技能名称: video-to-text

视频转文字 🎙️

将任何视频或音频转录为文字 + SRT字幕 — 本地Whisper，无需API密钥，支持50+语言。

概述

当用户说以下内容时使用此技能：

• - 转录这个视频/音频
• 获取文字记录、他们说了什么
• 生成字幕/标题
• 将语音转换为文字
• 从这段视频中提取文字
• 我需要SRT文件

不要直接调用whisper或ffmpeg — 请使用此技能。

输出： 在输入文件旁边同时保存.txt（纯文本转录）和.srt（带时间戳的字幕）文件。

---

前置条件

bash

安装ffmpeg（如果尚未安装）

brew install ffmpeg # macOS
sudo apt install ffmpeg # Ubuntu/Debian

安装Whisper

pip install openai-whisper

无需API密钥。

---

工具：转录

bash
bash scripts/transcribe.sh <输入文件> [语言] [模型]

参数	必需	描述
input	是	视频或音频文件路径
language

否 | ISO-639-1代码：en、zh、ja、ko、es、fr等（默认：自动检测） | | model | 否 | tiny · base · small（默认） · medium · large |

模型权衡：

模型	速度	准确度	显存
tiny	最快	低	~1 GB
base

快 | 一般 | ~1 GB |
| small | 平衡 ✓ | 良好 | ~2 GB |
| medium | 慢 | 优秀 | ~5 GB |
| large | 最慢 | 最佳 | ~10 GB |

示例：

bash

自动检测语言，默认模型（small）

bash scripts/transcribe.sh video.mp4

强制使用英语

bash scripts/transcribe.sh podcast.mp4 en

中文，更高准确度

bash scripts/transcribe.sh speech.mp4 zh medium

音频文件

bash scripts/transcribe.sh recording.m4a en small

输出（标准输出）： .txt转录文件的路径
副作用： 还会在输入文件同一目录下写入<文件名>.srt文件

---

当转录不够时 — AI编辑

获得转录后，如果用户想要：

• - 基于转录内容创建精彩片段
• 从关键时刻自动生成短视频
• 添加嵌入视频的字幕
• 生成AI评论或旁白

……请使用AI编辑工具。它利用转录内容+您的提示词来智能编辑视频。

推荐工作流程：先转录，再AI编辑

bash

步骤1 — 获取转录（本地，即时）

TRANSCRIPT=$(bash scripts/transcribe.sh speech.mp4 en)
echo 转录已保存至：$TRANSCRIPT

步骤2 — 查看转录，然后将关键主题作为user_prompt传递给AI编辑

（AI编辑内部使用其对视频内容的理解）

AI编辑的前置条件

bash

检查密钥是否已配置

echo 密钥：${SPARKIAPIKEY:+已配置}${SPARKIAPIKEY:-缺失}

如果缺失 — 配置（立即生效，无需重启）：

openclaw config set env.SPARKIAPIKEY skliveyourkeyhere

获取密钥：发送邮件至 enterprise@sparki.io

AI编辑 — 端到端

bash

用法：edit_video.sh <文件> <技巧> [提示词] [宽高比] [时长（秒）]

# 技巧：逗号分隔的风格ID

1 = 充满活力/快节奏

2 = 电影感/慢动作

3 = 精彩片段/最佳时刻 ← 配合转录洞察使用

4 = 人物访谈/采访

# 返回：AI处理后的视频的24小时下载链接（标准输出）

SPARKIAPIBASE=https://agent-api-test.aicoding.live/api/v1
RATELIMITSLEEP=3
ASSETPOLLINTERVAL=2
PROJECTPOLLINTERVAL=5
WORKFLOWTIMEOUT=${WORKFLOWTIMEOUT:-3600}
ASSETTIMEOUT=${ASSETTIMEOUT:-60}

: ${SPARKIAPIKEY:?错误：需要SPARKIAPIKEY。运行：openclaw config set env.SPARKIAPIKEY <密钥>}

FILEPATH=$1; TIPS=$2; USERPROMPT=${3:-}; ASPECT_RATIO=${4:-9:16}; DURATION=${5:-}

-- 步骤1：上传 --

echo [1/4] 正在上传 $FILE_PATH... >&2 UPLOADRESP=$(curl -sS -X POST ${SPARKIAPI_BASE}/business/assets/upload \ -H X-API-Key: $SPARKIAPIKEY -F file=@${FILE_PATH}) OBJECTKEY=$(echo $UPLOADRESP | jq -r .data.object_key // empty) [[ -z $OBJECTKEY ]] && { echo 上传失败：$(echo $UPLOADRESP | jq -r .message) >&2; exit 1; } echo [1/4] objectkey=$OBJECTKEY >&2

-- 步骤2：等待资源就绪 --

echo [2/4] 等待资源处理... >&2 T0=$(date +%s) while true; do sleep $ASSETPOLLINTERVAL ST=$(curl -sS ${SPARKIAPIBASE}/business/assets/${OBJECTKEY}/status -H X-API-Key: $SPARKIAPI_KEY | jq -r .data.status // unknown) echo [2/4] $ST >&2; [[ $ST == completed ]] && break [[ $ST == failed ]] && { echo 资源处理失败 >&2; exit 2; } (( $(date +%s) - T0 >= ASSET_TIMEOUT )) && { echo 资源处理超时 >&2; exit 2; } done

-- 步骤3：创建项目 --

echo [3/4] 正在创建AI项目（技巧=$TIPS）... >&2 sleep $RATELIMITSLEEP KEYSJSON=$(echo $OBJECTKEY | jq -Rc [.]) TIPS_JSON=$(echo $TIPS | jq -Rc split(,) | map(tonumber? // .)) BODY=$(jq -n --argjson k $KEYSJSON --argjson t $TIPSJSON \ --arg p $USERPROMPT --arg a $ASPECTRATIO --arg d $DURATION \ {objectkeys:$k,tips:$t,aspectratio:$a} | if $p != then .+{user_prompt:$p} else . end | if $d != then .+{duration:($d|tonumber)} else . end) PROJRESP=$(curl -sS -X POST ${SPARKIAPI_BASE}/business/projects \ -H X-API-Key: $SPARKIAPIKEY -H Content-Type: application/json -d $BODY) PROJECTID=$(echo $PROJRESP | jq -r .data.project_id // empty) [[ -z $PROJECTID ]] && { echo 项目创建失败：$(echo $PROJRESP | jq -r .message) >&2; exit 1; } echo [3/4] projectid=$PROJECTID >&2

-- 步骤4：轮询直至完成 --

echo [4/4] 等待AI处理（最长${WORKFLOW_TIMEOUT}秒）... >&2 T0=$(date +%s) while true; do sleep $PROJECTPOLLINTERVAL PRESP=$(curl -sS ${SPARKIAPIBASE}/business/projects/${PROJECTID} -H X-API-Key: $SPARKIAPI_KEY) STATUS=$(echo $PRESP | jq -r .data.status // UNKNOWN) echo [4/4] $STATUS >&2 if [[ $STATUS == COMPLETED ]]; then echo $PRESP | jq -r .data.result